Columbia University（哥伦比亚大学）

2608.04424 2026-08-06 cs.CV 新提交

Thinking with Anchors: Grounded and Efficient Document Reasoning

基于锚点思考：接地且高效的文档推理

Sichen Zhu, Yuchen Zhu, Wenzhuo Xu, Jason Kuen, Wanrong Zhu, Jing Shi, Xuan Shen, Quanyi Wang, Yiwei Wang, Yujun Cai, Bing Shuai, Qin Zhang, Yongxin Chen, Shilong Liu, Molei Tao, Jiuxiang Gu

机构 * Georgia Tech（佐治亚理工学院）； CMU（卡内基梅隆大学）； Adobe（奥多比公司）； ZJU（浙江大学）； NUIST（南京信息工程大学）； SEU（东南大学）； Physion Labs（Physion实验室）； Columbia University（哥伦比亚大学）

AI总结该研究提出面向推理的ADOPD 2026数据集，将多类文档元素转化为视觉锚点，支持区域语义标注、统一视觉-语言接地等能力，解决现有模型在文档计数任务上的不足，推动文档理解向锚点接地的智能方向发展。

2608.04243 2026-08-06 cs.LG 新提交

Attention-based representations for multi-task computation

基于注意力的多任务计算表示

Daniel Hsu, Mingyue Xu

机构 * Columbia University（哥伦比亚大学）； Purdue University（普渡大学）

AI总结该研究针对两类多任务场景，建立了多头注意力层所需头数量的下界并构造出匹配下界的结构，相关结果可推广到任意对称布尔函数。

2607.28545 2026-08-06 cs.CL cs.AI cs.SE 版本更新

ORCA-bench: How Ready Are Language Model Agents for Oncall?

ORCA-bench：语言模型智能体的值班待命准备程度如何？

Albert Gong, Kyuseong Choi, Abhineet Agarwal, Jason Schechner, Ryan Huang, Raj Agrawal, Anish Agarwal, Raaz Dwivedi

机构 * Cornell Tech（康奈尔科技学院）； Traversal ； Columbia University（哥伦比亚大学）

AI总结该研究推出ORCA-bench基准，评估编码智能体在生产级值班待命场景下的根本原因分析能力，发现现有前沿智能体表现不佳，凸显其距离安全胜任生产可靠性工作仍有较大差距。

2602.13357 2026-08-06 cs.CV cs.AI 版本更新

AdaCorrection: Adaptive Offset Cache Correction for Accurate Diffusion Transformers

AdaCorrection: 用于准确扩散变换器的自适应偏移缓存校正

Dong Liu, Yanxuan Yu, Ben Lengerich, Ying Nian Wu

机构 * Columbia University（哥伦比亚大学）

AI总结本文提出AdaCorrection框架，通过自适应偏移缓存校正提升扩散变换器的生成质量与缓存复用效率，减少计算开销并保持高保真度。